Künstliche Intelligenz, Machine Learning und Big Data: Viele Unternehmen stehen diesen Technologien noch immer skeptisch gegenüber. Dabei ist KI schon heute in der Lage, die Effizienz von Unternehmen und die Qualität ihrer Arbeit zu steigern. So lassen sich beispielsweise aus Analysen umfangreicher Daten Rückschlüsse ziehen, die als Basis für unternehmerische Entscheidungen dienen können. Deshalb sollten Unternehmen KI definitiv auf die Agenda ihrer Digitalisierungsstrategie setzen. Immer mehr Geschäftsführer und Manager haben inzwischen erkannt, wie wichtig es ist, KI-basierte Lösungen einzusetzen – das zeigen auch aktuelle Studien.[1] So ist KI immer häufiger Bestandteil von Branchenlösungen. Und doch herrscht rund um die Verwendung von KI-Technologie häufig noch große Unsicherheit. Zum einen ist oftmals nicht klar, wie sich Integration und Implementierung von KI zielgerichtet durchführen lassen. Zum anderen wissen viele Unternehmen nicht, wie sie am besten von KI profitieren.

Künstliche Intelligenz? Ziele definieren

Die aktuell zur Verfügung stehende KI-Technologie ist als sogenannte „schwache“ KI zu bezeichnen, die klar definierte Aufgaben lösen kann – die Möglichkeiten sogenannter „starker“ KI, die jedoch noch nicht entwickelt werden konnte, würden weit darüber hinausgehen. Daraus ergibt sich in jedem Falle, dass aktuelle KI-Systeme immer konkrete Ziele benötigen. Unternehmen müssen also zunächst entscheiden, welche wesentlichen Einzelaufgaben anstehen. Anhand des Ergebnisses können Firmen dann genauer untersuchen, in welchen Prozessen sich Künstliche Intelligenz sinnstiftend einsetzen lässt.

Daten sind notwendig

Die technischen Möglichkeiten zur extrem schnellen Datenanalyse sind heutzutage vorhanden. Eine wesentliche Voraussetzung, um KI nutzen zu können, ist eine ausreichend große Datenmenge. Und genau dafür müssen Unternehmen sorgen. Das kann auf zwei Arten geschehen: Entweder tragen sie umfassende Daten rund um ihre Kerngeschäftsprozesse zusammen. Dafür sind allerdings im Normalfall sowohl Zeit als auch (technische) Investitionen notwendig, da alle Systeme, mit denen das Unternehmen Daten erfasst, zu integrieren sind. Oder es erhebt die Daten anhand des Bedarfs, der von einem spezifischen Anwendungsfall oder Geschäftsmodell ausgeht. Das führt schneller zu Ergebnissen und anhand des konkreten Beispiels lässt sich gut überprüfen, welche Datenmenge für den spezifischen Case notwendig ist.

Mitarbeiter in Projekte rund um Künstliche Intelligenz involvieren

Darüber hinaus dürfen Unternehmen nicht vergessen: KI bringt Änderungen mit sich, die wiederum Ängste auslösen können. Daher ist es sehr wichtig, Mitarbeiter von Beginn an einzubeziehen, sie auf Veränderungsprozesse vorzubereiten und ihnen zu ermöglichen, sich aktiv einzubringen. Für die Digitale Transformation sind Offenheit, Anpassungs- und Gestaltungswille notwendig, weshalb sich in jedem Fall ein professionelles Change Management auszahlt.
Sobald die strukturellen und technischen Voraussetzungen geschaffen sind, können Unternehmen ein erstes KI-Projekt starten.

KI-Projekte im Unternehmen realisieren

Es gibt nicht das eine ideale KI-Projekt, das zu jedem Unternehmen passt. Empfehlenswert ist daher eine schrittweise Einführung. Zunächst sollten Unternehmen mit kleineren Projekten starten und später größere initiieren. Dabei ist es sinnvoll, sich von einem erfahrenen Dienstleister unterstützen zu lassen. In der Praxis hat sich ein vierstufiger Prozess bewährt:

1. Use Case mit dem größten Mehrwert identifizieren

Im Rahmen einer Ist-Analyse wird überprüft, welche Grundlagen für den KI-Einsatz zu schaffen sind. Inwieweit ist Big Data bereits im Einsatz? Welches Know-how gibt es schon bezüglich KI? Gibt es besondere Herausforderungen zu bewältigen? In der Regel erarbeiten Unternehmen diese Fragen gemeinsam mit einem Dienstleister in einem Workshop. Aus den Resultaten können sie dann ein Use Case Portfolio erstellen, in dem sich potenzielle Einsatzmöglichkeiten von KI nach Nutzen und Aufwand priorisieren lassen. Die vielversprechendsten Use Cases werden weiter analysiert, sodass sich danach überprüfen lässt, welche Voraussetzungen für die Umsetzung der Cases zu schaffen sind. Dabei sind das Datenmanagement sowie vorhandene Systeme und Prozesse zu berücksichtigen.

2. Von der Idee zum Prototyp in Sachen Künstliche Intelligenz
   

Anschließend ist es wichtig, ein Konzept zur Vorgehensweise zu entwickeln. Das Ziel: möglichst schnell einen Prototyp zu entwickeln. Dafür sind Ziele und Anforderungen detailliert aufzubereiten. Eine standardisierte Entwicklungsumgebung hilft dabei, Störfaktoren zu beseitigen und die Entwicklung schnell abzuschließen. Dank eines iterativen Vorgehens und der Berücksichtigung von Benutzerfeedback kann binnen kurzer Zeit der KI-Prototyp entstehen, der mit Echtdaten arbeitet. Daraus lässt sich ableiten, ob die gewünschten Effekte eintreten und die definierten Ziele erreichbar sind.

3. Vom Prototyp zum produktiven KI-Service

Aus dem Prototyp lässt sich anschließend ein sogenanntes Minimum Viable Product (MVP) erstellen. Die Datenbasis und Funktionalitäten werden iterativ erweitert. Für eine reibungslose Integration in die Systemumgebung sorgen kontinuierliche Funktions-, Last- und Integrationstests. In einem Skalierungsplan ist festzulegen, wie aus dem MVP ein skalierender KI-Service wird. So müssen Unternehmen zum Beispiel die zukünftige Produktivumgebung, Einflussfaktoren und Schnittstellen des KI-Services analysieren und berücksichtigen. Damit entsteht schließlich ein produktiver KI-Service, der sich via API in bestehende Anwendungen und Prozesse integrieren lässt.

4. Stabiler Betrieb und Verbesserungen

Für den Betrieb und ein kontinuierliches Monitoring ist es empfehlenswert, sich für einen professionellen Partner zu entscheiden, der das Unternehmen mit umfassenden Managed Artifical Intelligence Services unterstützen kann. Vor allem bei geschäftskritischen Einsätzen ist ein 24/7 Monitoring empfehlenswert. Zudem sollte die Qualität des KI-Algorithmus durch ein stetiges Re-Training gesichert sein. Und ein Service-Management, das nach standardisierten ITIL-Prozessen aufgebaut ist, kann alle Routinetätigkeiten, die für den täglichen Betrieb notwendig sind, übernehmen.

Zusammenfassend lässt sich festhalten: KI ist keine Zukunftsmusik mehr, sondern bereits Realität. Wer sich heute nicht mit den technologischen Möglichkeiten der Künstlichen Intelligenz beschäftigt, wird zukünftig das Nachsehen haben. Es ist Zeit, KI einzusetzen. Die vordergründige Komplexität von KI-Systemen sollte dabei kein Hindernis sein: Durch ein strukturiertes Vorgehen und eine professionelle Begleitung lassen sich Herausforderungen bei der Einführung von KI im Unternehmen meistern.

[1] https://www.dfki.de/fileadmin/user_upload/import/9744_171012-KI-Gipfelpapier-online.pdf.

Autor: Marcus Metzner, Arvato Systems